aws / aws/sagemaker-python-sdk

ModelStep should have a 'adds_depends_on' class method

Fermée
#5,440 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
component: pipelines type: bug
Langage dominant
Python
Étoiles
2.3k
Forks
1.3k
Merge moyen
1 j 22 h
PR mergées (30 j)
35

Description

**Describe the feature you'd like**
When constructing SageMaker pipelines, I want to construct steps that sequence Training jobs (TrainingStep) and Inference jobs (ModelStep and TransformStep) together. As part of this, I would use `add_depends_on` from the TrainingStep to allow me to string together tasks. However, we cannot do the same for ModelStep. It has to be passed via the `depends_on` parameter during initialization.

**How would this feature be used? Please describe.**
```
def setup(…):
model_step = ModelStep(…)
transform_step = TransformStep(…, model_step…)

model_step.add_depends_on(other_steps)
```

**Describe alternatives you've considered**
I am forced to pass in dependencies throughout my abstractions, rather than construct the model_step first, and then add dependencies later.

**Additional context**
happy to add more details if needed.

Guide de contribution

Ouvrir le guide de contribution

Piste de recherche

Commencez par localiser les points d’entrée ModelStep, TrainingStep et TransformStep mentionnés dans l’issue, puis comparez la manière dont TrainingStep gère add_depends_on avec le paramètre d’initialisation depends_on de ModelStep. Confirmez l’utilisation demandée en construisant la séquence de pipeline présentée et en vérifiant que la dépendance résultante est conservée.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
aws, python
Domaine
machine-learning
Type d'issue
Fonctionnalité
Difficulté
3/5
Temps estimé
1-2 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
25/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.